Cây Quyết Định Phân Biệt U Thần Kinh Đệm Bậc Cao, Di Căn Não Đơn Ổ Và Lympho Não Nguyên Phát Trên Cộng Hưởng Từ Đa Thông Số
Year: 2026
Type: article
Study design: Observational Study
Abstract: Mục tiêu: Xây dựng mô hình cây quyết định (decision tree) dựa trên cộng hưởng từ khuếch tán sức căng (diffusion tensor imaging - DTI), tưới máu (magnetic resonance perfusion - MRP) và phổ (magnetic resonance spectroscopy - MRS) để phân biệt u thần kinh đệm bậc cao (high-grade glioma - HGG), u di căn não đơn ổ (solitary brain metastasis - SBM) và u lympho não nguyên phát (primary central nervous system lymphoma - PCNSL). Phương pháp nghiên cứu: Nghiên cứu mô tả cắt ngang trên 64 bệnh nhân (BN) (23 PCNSL, 17 SBM, 24 HGG) được chụp cộng hưởng từ (CHT) trước phẫu thuật/sinh thiết tại Bệnh viện Hữu nghị Việt Đức từ tháng 8/2025 - 3/2026. Định lượng hệ số bất đẳng hướng (FA) và hệ số khuếch tán trung bình (MD), thể tích tưới máu tương đối (rCBV) và lưu lượng tưới máu tương đối (rCBF) và tỷ lệ Cho/NAA, Cho/Cr tại vùng u đặc (t) và quanh u (p). Xây dựng mô hình bằng thuật toán CART (classification and regression tree). Kết quả: Thuật toán CART sử dụng rCBVp, MDt và Cho/NAAp làm nút phân loại. Nhánh rCBVp > 1,043 có khả năng dự báo HGG cao (94,7%). Với nhánh rCBVp £ 1,043, ngưỡng MDt (0,785) và Cho/NAAp (0,726) giúp phân biệt SBM và PCNSL. Độ chính xác (AC) tổng thể của mô hình đạt 76,6% (PCNSL: 84,4%; HGG: 79,7%; SBM: 89,1%), với sai số kiểm định chéo là 35,9%. Kết luận: Mô hình CART tích hợp rCBVp, MDt và tỷ lệ Cho/NAAp là công cụ tiềm năng, có độ chính xác cao trong chẩn đoán phân biệt HGG, SBM và PCNSL.
Institutions: Hanoi Medical University, Viet Duc Hospital
Language: Vietnamese
Subfield: Oncology
Field: Medicine
Domain: Health Sciences
Open Access status: bronze
OpenAlex ID: W7214621830